基于IMU的步态分析方法的验证,用于对传统方法进行跌倒风险评估

科学领域:

• 老年学是一门学科.
• 生物医学工程 生物医学工程
• 临床生物力学 临床生物力学

背景情况:

• 跌倒对老年人来说是一个重要的健康问题,导致严重伤害和降低生活质量.
• 准确的跌倒风险评估对于实施预防性治疗至关重要.
• 传统的方法,如步行速度 (GS) 和时间上升和去 (TUG) 在识别容易跌倒的个体方面存在局限性.

研究的目的:

• 开发和验证一种使用可穿戴传感器技术和支持矢量机 (SVM) 分类器识别故障的新方法.
• 将拟议的SVM方法的准确性与已建立的跌倒风险评估工具进行比较.

主要方法:

• 步行参数是在30分钟的步行过程中采集的,使用放置在脚上的惯性测量单元 (IMU).
• 一个支持矢量机 (SVM) 分类器被训练使用这些步态参数来区分掉落者和非掉落者.
• 该方法在一个年龄超过70岁的157名参与者的队列上得到了验证.

主要成果:

• 在落地者和非落地者之间观察到步伐速度,距离,角速度,加速度和步骤变异性的显著差异 (p<0.05).
• 拟议的SVM方法的分类准确率为79.6%,超过了步行速度 (GS) 方法 (77.0%).
• SVM方法消除了对特定截止值的需求,提供了更具适应性的落风险评估.

结论:

• 基于IMU的SVM分类器是一种潜在的有价值的工具,用于识别老年人中的故障.
• 这种方法可以持续,长期监测跌倒风险,而不需要频繁的临床评估.
• 这些发现支持将可穿戴传感器技术整合到老年人常规跌倒预防策略中.